BriefGPT - AI 论文速递 · 2025-03-17T00:00:00Z

MirrorGuard: Adaptive Defense Against Jailbreak Attacks via Entropy-Guided Mirror Crafting

📝

内容提要

本研究提出了“镜像”概念，针对动态越狱攻击，提供自适应防御方法。通过动态生成安全提示，MirrorGuard显著提升了对越狱攻击的防御能力。

🏷️

标签

MirrorGuard 动态越狱攻击 安全提示 自适应防御 镜像